基于灰色系统的房价分析与预测模型.docx

基于灰色系统的房价分析与预测模型
基于灰色系统的房价分析与预测模型
随着城市化进程不断加快，不仅房价整体上涨，房价波动也逐渐增加，给市场参与者带来了巨大的投资压力和风险，因此建立一个可以准确预测房价趋势的模型显得特别必要。本论文采用基于灰色系统的房价分析与预测模型，在现有研究的基础上对其进行了改进，使得预测模型更加准确。
一、灰色系统理论
灰色系统理论是上世纪80年代提出的一种建立非线性、小样本、非稳态系统的数学理论方法，其特点是可应用于各类消费领域。在灰色理论中，灰色模型是主要模型之一，其是基于数据的特殊非线性运算来描述系统的时变性质的数学模型，也是学科中的一个重要部分。为了得出灰色模型，可以建立的模型有几个：GM(1,1)模型、GM(2,1)模型、有趣模型、加速递推算法（AG灰度模型）、灰色神经网络（GM-ANN）等等。
二、房价分析与预测模型建立
A.数据预处理
为了建立一个准确的房价预测模型，我们必须先对数据进行处理。在数据预处理中，主要包括数据收集和数据清洗两个方面。数据清洗主要是在收集到的数据中剔除无关数据、填充缺失数据等一些预处理操作。
B.模型建立
首先，我们可以采用灰色系统模型建立房价预测模型。采用GM（1,1）模型是最基本的灰色预测模型，它是梁赞模型（GM）的最简单形式，GM（1,1）模型可以代表单变量灰色预测模型的情况。加速GM（1,1）模型也就是AG-GM（1,1）递推灰预测模型，则保留了基本形式的模型的所有优点，但减少了它的缺点。
C.模型验证
为了验证所建立的灰色模型的预测准确性，我们可以将预测结果与实际情况进行比较，并计算出误差值。可以通过误差值大小来判断所建立的模型的预测准确性。并且不断调整参数，直到误差达到最小。
三、实验结果
在本研究中，我们采用了灰色GM（1,1）模型和AG-GM（1,1）模型对房价进行分析预测，并分别评价模型的预测效果。
我们依据实际数据建立了房价GM（1,1）模型和AG-GM（1,1）模型。
在处理后数据进行模型测试之后，我们的模型对预测数据的准确性达到了较好的程度。同时，我们将预测数据与实际情况进行对比评价，结果显示预测数据误差较小，表明我们的模型预测了较为准确。此外，我们分别计算了GM（1,1）模型和AG-GM（1,1）模型的误差值，并对结果进行比较发现AG-GM（1,1）模型预测误差更小，可以判断其预测准确性更高。
四、结论
本研究中我们采用灰色系统理论的GM（1,1）模型和AG-GM（1,1）模型对房价进行分析，并以此建立房价预测模型。在实验过程中，我们对一定的时段内的房价进行了一定的预测，并通过预测的准确性显示了所建立的模型的预测力较高。而经对比实验，我们还发现AG-GM（1,1）模型对于房价预测的效果较好。因此，灰色系统作为一种不同于传统建模方法的一种方法，灰色GM（1,1）模型和AG-GM（1,1）模型对于房价预测是一种有希望应用的方法。